تنها دو هفته پس از عرضه Gemini 4 Argon، گوگل از Gemini 4 Carbon رونمایی کرد؛ مدلی که آن را قدرتمندترین مدل خود تا به امروز می‌داند و برای امنیت سایبری و کارهای مهندسی بلندمدت ساخته شده است. در اعلامیه‌ای که Koray Kavukcuoglu از Google DeepMind در ۲۸ اکتبر منتشر کرد، گفته می‌شود این مدل با ۵۹ امتیاز صدر جدول Artificial Analysis Intelligence Index را در اختیار گرفته است.
اعداد بنچمارک‌ها این اطمینان را توضیح می‌دهند. Carbon در SEC-bench Pro نمره ۸۸.۲ درصد را ثبت کرد؛ آزمونی که بررسی می‌کند آیا یک مدل می‌تواند به‌صورت خودگردان آسیب‌پذیری‌های واقعی پنهان در نرم‌افزارهای در حال بهره‌برداری را پیدا کند یا نه. این مدل در CWE-bench که توانایی تولید اصلاحات کاربردی برای دسته‌های شناخته‌شده ضعف‌ها را می‌سنجد به ۷۱ درصد و در ExploitGym که بهره‌کشی را آزمایش می‌کند به ۵۴.۸ درصد رسید. در WebDev Arena برای توسعه وب فول‌استک نیز به رتبه چهارم صعود کرد.
آنچه Carbon را از یک عرضه معمولی مدل جدا می‌کند، کاربرد در نظر گرفته‌شده برای آن است. این یک ارتقای چت‌بات نیست. گوگل توصیف می‌کند که تیم‌هایش این مدل را روزهای متوالی اجرا می‌کنند تا با پافشاری در بن‌بست‌ها، ریشه باگ‌های ظریف را در پایگاه‌های کد بزرگ و سیستم‌های سطح پایین پیدا و رفع کنند. این مدل به‌عنوان یک عامل مهندسی طراحی شده، نه یک گفت‌وگوگر.
نتایج داخلی که گوگل به آنها استناد می‌کند چشمگیر است. گفته می‌شود Carbon نرخ موفقیت تولید کد امن را بیش از دو برابر Argon کرده است. تیم Chrome می‌گوید این مدل پچ‌های باکیفیت را با سرعتی بیش از ده برابر مدل مرزی آزمایشگاه دیگر تولید کرده است. Wiz، پلتفرم امنیت ابری گوگل، نیز مشاهده می‌کند که Carbon در بنچمارک‌های تست نفوذ وب پیشتاز است؛ همان توانایی که Wiz در برنامه اسکن خود به کار می‌گیرد.
با این حال تقریباً هیچ‌کس نمی‌تواند از آن استفاده کند. از همین هفته، دسترسی فقط به گروهی منتخب از مدافعان سایبری داده می‌شود و شرکای مورد اعتماد بیشتری به‌تدریج از طریق برنامه Fairwind گوگل اضافه خواهند شد. گوگل در فرایند داوطلبانه آزمایش پیش از انتشار دولت آمریکا شرکت می‌کند. توسعه‌دهندگان، کسب‌وکارها و مصرف‌کنندگان باید منتظر بمانند.
همین خویشتن‌داری خود خبر است. مدلی که در این سطح آسیب‌پذیری‌ها را پیدا و اعتبارسنجی می‌کند، برای مدافعان و مهاجمان به یک اندازه ارزشمند است. گوگل پیش از گشودن دروازه، این مصالحه را به‌علنی آزمایش می‌کند و تصمیم‌های دسترسی شاید بیش از جدول‌های امتیاز، توانایی واقعی مدل را آشکار کنند.
قیمت‌گذاری نیمی دیگر داستان را روایت می‌کند. Carbon با همان قیمت آغازین Argon عرضه می‌شود: دو دلار برای هر میلیون توکن ورودی و ده دلار برای هر میلیون توکن خروجی، با ۹۵ درصد تخفیف برای ورودی کش‌شده. این اقتصاد تولید است، نه قیمت‌گذاری پژوهشی. گوگل انتظار دارد این مدل پس از انتشار واقعاً کار کند.
برای رهبران دو درس به همراه دارد. نخست، پیشتازی در توانایی اکنون شامل قضاوت در استقرار هم می‌شود: معنادارترین سیگنال درباره یک مدل مرزی به‌تدریج این می‌شود که چه کسی و چه زمانی اجازه دسترسی به آن را دارد. دوم، تیم‌های امنیتی باید برای جهانی آماده شوند که در آن هوش مصنوعی نقص‌ها را سریع‌تر از وصله‌کردن سازمان‌ها پیدا می‌کند، چون نسخه دفاعی این توانایی به‌زودی تجهیزات استاندارد خواهد بود.
مرز دیگر فقط یک جدول رتبه‌بندی نیست. یک دروازه است. سازمان‌هایی که پیش از گسترش دسترسی، گردش کار امنیتی و حکمرانی خود را بسازند، همان‌هایی خواهند بود که هنگام باز شدن دروازه آماده‌اند.
ریاضی بیندیشید. هوشمندانه مهندسی کنید. راهبردی رهبری کنید. مسئولانه بسازید. جهانی گسترش یابید. از طریق هوش مصنوعی ارزش واقعی کسب‌وکار خلق کنید.
